¿Qué vimos?

✅ Conceptos básicos de R

✅ Pensar un proyecto de datos con R

✅ Procesamiento de datos con {tidyverse}

Hoja de Ruta

📌 ¿Por qué visualizar datos?

📌 Gramática de los gráficos y {ggplot2}

  - Capas y el operador `+` (más)

📌 Armando un gráfico de barras (columnas)

  - Función `geom_col()`

📌 Chapa y pintura de un gráfico (atributos)

Configuración para esta clase

• Armar un proyeto de trabajo nuevo o abrir aquel con el que veníamos trabajando

• Cargar la base del Padrón Único Nacional de Alojamientos (Argentina) y chequear que esté en la carpeta datos

• Crear un script de trabajo

• Carga la librería {tidyverse}

¿Por qué visualizar?

• “La visualización es el proceso de hacer visibles los contrastes, ritmos y eventos que los datos expresan, que no podemos percibir cuando vienen en forma de áridas listas de números y categorías.” ¹

• Interpretar / decodificar la información de forma visual

• Guiar hacia el hallazago

¿Qué es {ggplot2}?

• Una implementación del sistema Grammar of graphics (Wilkinson, 2005).

• Un esquema pensado en capas (datos –> plano (ejes x e y) –> geometrías)

• Un paquete de funciones de aplicación intuitiva.

¿Por qué {ggplot2}?

Cargamos el paquete

library(ggplot2)

o…

library(tidyverse)

Gráfico en clave de capas

3 Capas son las indispensables al pensar nuestro gráfico:

Gráfico en clave de capas

• Los datos (argumento: data =):

  • El dataframe que sirve de insumo

Gráfico en clave de capas

• Los datos (argumento: data =):

  • El dataframe que sirve de insumo

• Las aesthetics (función aes():

  • Defino el vínculo entre los datos y las propiedades visuales (ejes x e y, por ej.)

Gráfico en clave de capas

• Los datos (argumento: data =):

  • El dataframe que sirve de insumo

• Las aesthetics (función aes():

  • Defino el vínculo entre los datos y las propiedades visuales (ejes x e y, por ej.)

• Las geometrías (función geom_*():

  • La geometría con la que se representan los datos

Gráfico en clave de capas

• Pregunta-problema: Quiero representar la cantidad de habitaciones por tipo de alojamiento, para el año 2022

Preparo los datos:

library(tidyverse)
df_puna <- read_csv("data/puna_base_agregada.csv")

df_habitaciones_2022 <- df_puna |>
  filter(indice_tiempo == 2022) |> 
  group_by(tipo) |> 
  summarise(habitaciones_n = sum(habitaciones, na.rm = T))

Rows: 19672 Columns: 13
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (8): region, ruta_natural, provincia_codigo, provincia_nombre, departame...
dbl (5): indice_tiempo, establecimientos, unidades, habitaciones, plazas

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Gráfico en clave de capas

• Así queda nuestra tabla:

df_habitaciones_2022

# A tibble: 3 × 2
  tipo             habitaciones_n
  <chr>                     <dbl>
1 Hoteleros                185351
2 Otros colectivos           2810
3 Parahoteleros             58490

Gráfico en clave de capas

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n))

Gráfico en clave de capas

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col()

Chapa y pintura - Relleno

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(fill = "red")

Chapa y pintura - Relleno

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(aes(fill = tipo))

Chapa y pintura - Contorno

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(aes(fill = tipo),
           color = "black")

Chapa y pintura - Referencias

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(aes(fill = tipo),
           color = "black") + 
  labs(title = "Cantidad de habitaciones por tipo de alojamiento")

Chapa y pintura - Referencias

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(aes(fill = tipo),
           color = "black") + 
  labs(title = "Cantidad de habitaciones por tipo de alojamiento",
       subtitle = "Argentina, año 2022",
       x = "",
       y = "Cant. de habitaciones",
       caption = "Fuente: Elaboración propia en base al PUNA-MINTURyDEP")

Chapa y pintura - theme

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(aes(fill = tipo),
           color = "black") + 
  labs(title = "Cantidad de habitaciones por tipo de alojamiento",
       subtitle = "Argentina, año 2022",
       x = "",
       y = "Cant. de habitaciones",
       caption = "Fuente: Elaboración propia en base al PUNA-MINTURyDEP") +
  theme_minimal()

Chapa y pintura - theme

ggplot(data = df_habitaciones_2022,
       aes(x = tipo, y = habitaciones_n)) +
  geom_col(aes(fill = tipo),
           color = "black") + 
  labs(title = "Cantidad de habitaciones por tipo de alojamiento",
       subtitle = "Argentina, año 2022",
       x = "",
       y = "Cant. de habitaciones",
       caption = "Fuente: Elaboración propia en base al PUNA-MINTURyDEP") +
  theme_minimal() + 
  theme(legend.position = "none")

::::